Академический Документы
Профессиональный Документы
Культура Документы
A Tabela ao lado mostra os dados de calorias ingeridas por dia SUJEITO KCAL
para um grupo de 15 jovens. 1 1867
Aplique o teste t para averiguar se eles pertencem à população 2 1978
cuja média de calorias ingeridas por dia é 2100 Kcal ao nível de 3 1958
significância (𝛼 = 5%). 4 2004
5 2011
A seguir apresentamos os resultados de duas formas, utilizando cálculos
6 2578
elementares e cálculos automatizados pelo SPSS.
7 2498
Pelo exposto no enunciado, se trata de teste de hipótese para uma media 8 2110
populacional cujo desvio padrão não é conhecido e tamanho de amostra 9 1900
é inferior que 30 (𝑛 = 15). 10 1950
11 2099
Assim a estatística teste a usar é T-Student. 12 2360
13 2311
14 2788
15 2700
PASSO A PASSO
1. Especificação das Hipóteses 2. Cálculo de Estatística de teste (t-student)
𝐻0 : 𝜇 = 2100 𝑥̅ − 𝜇
𝑡𝑛−1 = 𝑠
𝐻1 : 𝜇 ≠ 2100
√𝑛
De acordo com dados podemos calcular a média amostra (𝑥̅ ) e o desvio padrão amostral (s)
SUJEITO 𝒙𝒊 ̅
𝒙𝒊 − 𝒙 ̅ )𝟐
(𝒙𝒊 − 𝒙 ∑𝑛𝑖=1 𝑥𝑖 33112
𝑥̅ = = = 2207.467
1 1867 -340,466 115917,0972 𝑛 13
2 1978 -229,466 52654,64516
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2 1328191,733
3 1958 -249,466 62233,28516 𝑠2 = =
𝑛−1 15 − 1
4 2004 -203,466 41398,41316 2
𝑠 = 94870,8381
5 2011 -196,466 38598,88916 𝑠 = √𝑠 2 = √94870,8381 = 308
6 2578 370,534 137295,4452
7 2498 290,534 84410,00516 2207.467 − 2100
𝑡𝑛−1 = = 1.35
8 2110 -97,466 9499,621156 308
9 1900 -307,466 94535,34116 √15
10 1950 -257,466 66288,74116
3. Fixação de nível de significância e
11 2099 -108,466 11764,87316
região crítica
12 2360 152,534 23266,62116
13 2311 103,534 10719,28916 𝛼 = 5% = 0.05
14 2788 580,534 337019,7252 ⟹ 1 − 𝛼 = 95% = 0.95
15 2700 492,534 242589,7412
Na tabela a seguir procurar intersecção de
Total 33112 ≈𝟎 1328191,733
𝑙𝑖𝑛ℎ𝑎 = 𝑛 − 1 = 14𝑔𝑙 e 𝛼 =
α
0.025 uma vez que o teste é bilateral (2 ). Temos 𝑡14,𝛼 = 2.145
2
1
TESTE T STUDENT
2.145
2
TESTE T STUDENT
Graficamente
Confiança
𝛼 𝛼
= 0.025 1 − 𝛼 = 0.95 = 0.025
2 2
Região de Rejeição Região de Rejeição
REGIÃO DE ACEITAÇÃO
4. Regra de Decisão
Aceitar H0 se o valor de teste (t calculado)∈ RA =] − 2.145; 2.145[ caso contrário rejeitar a
H0 .
5. Conclusão
O valor de teste (𝑡 = 1.35 “confira o passo 2”) está na região de aceitação (confira o passo 4)
então aceita-se a hipótese nula ao nível de significância de 5%, ou seja, os 15 jovens
observados fazem parte da população cuja média de caloria ingerida diariamente é 2100 Kcal.
______________________________________________________________________________
PELO SPSS
Usando os mesmos dados, temos seguintes resultados da saída de SPSS.
Nível de Confiança
3
TESTE T STUDENT
A mesma tabela mostra o nível de confiança que, através do qual podemos conhecer o nível de
significância na coluna intervalo de confiança.
1 − 𝛼 = 95% = 0.95 ⟹ 𝛼 = 1 − 0.95 = 0.05
A estatística de teste é exibida na tabela de teste na coluna designada “t” e na coluna “gl” é exibido
graus de liberdades (𝑛 − 1), então temos:
𝑡14;0.05 = 1.351
𝑠𝑖𝑔1 = 0.198 > 𝛼 = 0.05, então aceitamos a hipótese nula ao nível de significância de 5%
estabelecendo a conclusão de admitir que a amostra dos 15 jovens pertence a população com
consumo médio diário de 2100 Kcal.
1
Caso o teste seja unilateral, deve-se dividir por dois o sig. Antes de compará-lo ao nível de significância "𝛼"
4
REGRESSAO LINEAR SIMPLES
Exemplo
A Tabela a seguir mostra os dados relativos a duração (em minutos) das erupções do Old Faithful
e os tempos (em minutos) até que as próximas erupções aconteçam. Pretende-se averiguar se a
duração de erupções (X) é um factor determinante do tempo levado ate a próxima erupção (Y).
5
REGRESSAO LINEAR SIMPLES
Observando o gráfico é
claro que a disposição
dos pontos cria uma
imagem de uma relação
linear.
Com esta informação, já
afirmar que a equação
que descreve melhor este
relacionamento é modelo
linear de regressão.
Passemos a estimar os
parâmetros deste modelo.
β̂1 = Y
̅ − β̂2 X
̅ = 75 − 12,62 ∙ 3,3 = 33,36
Yi = β̂1 − β̂2 Xi ⟹ 𝐘
̂ ̂𝐢 = 𝟑𝟑, 𝟑𝟔 + 𝟏𝟐, 𝟔𝟐𝐗 𝐢
6
REGRESSAO LINEAR SIMPLES
̅)2 4426
̂i − Y
∑(Y
r2 = = = 0,96 (coeficiente de determinação)
∑(Yi − ̅
Y)2 4598
OBSERVAÇÃO2
7
REGRESSAO LINEAR SIMPLES
8
REGRESSAO LINEAR SIMPLES
5. PELO SPSS
Leitura do resultado da saída de IBM SPSS Statistics 24. Ink
Coeficiente de
correlação linear
Coeficiente de
determinação
Parâmetros do modelo
β̂1
β̂2
9
REGRESSAO LINEAR SIMPLES
7. Previsão
Com base no modelo ajustado, imaginemos que autoridades pretendem colocar os homens para
socorrer as vítimas. Quanto tempo os socorrista tem antes da outra erupção se a duração da última
erupção foi de:
a) 30 mins
b) 1h e 15min
c) 27 mins
Tempo (Y
̂i = 33,36 + 12,62Xi )
X (Duração)
a) 30,00 411,96
b) 75,00 979,86
c) 27,00 374,1
(n − 2)
3t
n−2 = r√
1 − r2
3
Neto, Pedro Luís da Costa (2002, p.184)
10
REGRESSAO LINEAR SIMPLES
Exemplo:
Verificar se podemos, ao nível de 1% de significância, concluir pela existência de correlação
positiva entre duração da erupção e tempo até a próxima erupção na população das erupções onde
esta amostra foi extraída.
Devemos testar
H0 : ρ = 0
H1 : ρ > 0
Seguindo todo roteiro4 de teste de hipótese, temos 𝑛 = 25 e 𝑟 = 0,98 conforme calculado
anteriormente. Segue que a estatística é
(n − 2) (25 − 2)
t n−2 = r√ 2
⇒ t 25−2 = 0.98√ ⇔ t 23 = 24,31
1−r 1 − 0,96
O valor crítico é
t 23:1% = 2.5 (ver tabela na página 2)
Concluímos que rejeitamos a hipótese H0 ficando com H1 ,ou seja, ao nível de 1% de significância,
podemos afirmar que há correlação linear positiva entre o duração e o tempo até a próxima
erupção.
4
Apresentamos de forma resumida este teste, fica para o leitor/estudante observar todos os procedimentos para teste
de hipótese descritos anteriormente.
11
REGRESSAO LINEAR SIMPLES
Para β1 as hipóteses de interesse são
H0 : β1 = 0
H1 : β1 ≠ 0
Neste caso a rejeição da H0 significa eliminar a possibilidade da recta de regressão passar pela
origem. Podem também ser realizados outros testes unilaterais.
A estatística de teste é
β1 − β̂1
t=
S 2 ∑ Xi2
√ R
n ∙ Sxx
α
t 23:0.005 = 2.807 ( "por ser teste bilateral" ver tabela na página 2)
2
Concluímos que rejeitamos a hipótese H0 ficando com H1 ,ou seja, ao nível de 1% de significância,
podemos afirmar que há evidência estatisticamente significante que a recta de regressão não passa
pela origem.
Para β1: sig = 0,000 < α = 0.001, deste Para β2 : sig = 0,000 < α = 0.001,
modo rejeitar a hipótese nula ao nível de deste modo rejeitar a hipótese nula ao
significância de 1%. Significa que há nível de significância de 1%. Significa
evidencias estatisticamente significantes que há evidencias estatisticamente
para afirmar que a recta de regressão não significantes para afirmar que há
passa pela origem. correlação linear, sendo positiva
conforme é β2 = 12,62.
12